Метод оценки канала OTFS на основе IBO-динамической шлюзовой Bi-GRU

Умнее сигналы для быстро движущихся транспортных средств

По мере того как автомобили, поезда и беспилотники движутся быстрее и несут больше подключённых устройств, их беспроводные каналы вынуждены одновременно обеспечивать высокие скорости передачи данных, работать в загруженном радиоспектре и справляться с постоянно изменяющимися путями распространения сигнала. В этой работе рассмотрен новый подход к поддержанию ясной и надёжной связи даже тогда, когда усилитель мощности в радио искажает сигнал — проблема, которая незаметно ограничивает производительность многих современных систем.

Почему существующие трюки беспроводной связи недостаточны

Большинство современных мобильных сетей опираются на схему OFDM, которая хорошо работает при небольших скоростях пользователей. На шоссейных или железнодорожных скоростях сигналы, однако, отражаются от зданий, автомобилей и рельефа, доходя до приёмника с небольшими сдвигами по времени и частоте. Это делает канал быстро меняющимся и может вызывать взаимные помехи между соседними частотными фрагментами, повышая уровень ошибок. Новая схема под названием OTFS решает эту проблему, располагая данные в другой сетке, разделяющей эффекты задержки и движения, благодаря чему канал кажется более стабильным и удобным для обработки в сценариях с быстрыми пользователями, такими как транспортные средства.

Усилители мощности незаметно искажают сигналы

Даже при использовании OTFS существует аппаратное узкое место. Чтобы передать радиоволны на большие расстояния, передатчики используют высокомощные усилители, которые эффективно работают в узком линейном диапазоне. Чтобы экономить энергию и снижать затраты, эти усилители часто эксплуатируют близко к пределам, где они начинают искривлять как амплитуду, так и фазу сигнала нелинейным образом. Параметр Input Back-Off (IBO) показывает, насколько рабочая точка отстоит от этой нелинейной области. Существующие методы оценки канала в основном игнорируют то, как этот параметр изменяется во времени, упуская ключевой сигнал о том, когда и насколько искажения портят связь.

Модель обучения, «слушающая» установки мощности

Авторы предлагают оценщик канала на основе глубокого обучения, построенный вокруг двунаправочной рекуррентной сети с вентилями (Bi-GRU), которая обрабатывает временно-частотный ответ канала в прямом и обратном направлениях. Особенность — динамический механизм управления, который подаёт реальное значение IBO во внутренние ворота сети. Когда IBO низок и искажения сильны, модель автоматически больше опирается на свежие наблюдения и меньше — на прошлую историю; когда IBO высок и усилитель ведёт себя более линейно, она безопасно повторно использует больше накопленной информации. Сверху добавлен блок мультиголовного внимания, который учится выделять дальние зависимости в канале, позволяя системе выбирать наиболее информативные признаки по времени и частоте.

Меньше пиков мощности, меньше ошибок, меньше вычислений

Команда также переработала расположение пилотных тонов и данных, используя специальный прехамблер с низкими пиковыми значениями и удерживая мощность пилотов на том же уровне, что и у символов данных. Это уменьшает резкие всплески мощности, которые в противном случае толкали бы усилитель глубже в нелинейную область. В компьютерных симуляциях быстрых транспортных каналов новый оценщик снижает ошибку между истинным и оценённым каналом примерно до 22,6 дБ по сравнению с классическими пороговыми и методами кросс-корреляции, а также на несколько децибел по сравнению с другими базовыми решениями на глубоком обучении. При типичном высоком отношении сигнал/шум он снижает вероятность битовой ошибки более чем на порядок и одновременно уменьшает отношение пик/средняя мощность передаваемого сигнала более чем на 7 дБ. Критично, что стратегия динамического управления позволяет модели пропускать многие внутренние вычисления, когда это возможно, сокращая её сложность примерно на одну пятую до почти половины по сравнению с аналогичной рекуррентной сетью без такого управления.

Устойчивые результаты при разных скоростях и условиях

Авторы тестируют свой подход в диапазоне скоростей транспортных средств от городского трафика до очень высоких скоростей и по нескольким стандартным моделям канала. Используя один и тот же набор параметров сети во всех случаях, оценщик сохраняет низкие битовые ошибки и стабильную пропускную способность без перенастройки, даже когда значение IBO, используемое приёмником, несколько расходится с реальной аппаратной настройкой. Хотя традиционный метод с очень мощными пилотами может на первый взгляд давать большую «сырую» пропускную способность в идеально линейных условиях, такой подход становится хрупким при учёте искажений усилителя, в то время как предложенная модель разработана, чтобы эффективно работать в этих реалистичных режимах.

Что это значит для будущих беспроводных систем

Проще говоря, исследование показывает, что рассматривать рабочую точку усилителя мощности как актуальную информацию, а не как помеху, позволяет приёмнику на основе обучения эффективнее компенсировать искажения. Комбинируя модуляцию OTFS с нейросетью, учитывающей IBO и направляющей свои усилия туда, где оборудование наиболее перегружено, метод улучшает надёжность и энергетическую эффективность в требовательных сценариях с высокими скоростями. Это открывает путь к радиосистемам для транспорта и инфраструктуры, которые плавно адаптируются и к меняющимся каналам, и к изменяющимся условиям аппаратуры без постоянной ручной перенастройки.

Цитирование: Hou, J., Wei, Z., Ji, Y. et al. OTFS channel estimation method based on IBO-dynamic gated Bi-GRU. Sci Rep 16, 15157 (2026). https://doi.org/10.1038/s41598-026-44747-3

Ключевые слова: OTFS, беспроводные каналы, искажение усилителя мощности, глубокое обучение, транспортная связь